3 Phase 3: Gemini/ChatGPT – Die didaktische Transformationsmaschine

„Wissen ist Rohöl. Didaktik ist Raffinerie.“
Perplexity findet die Quellen. NotebookLM macht daraus belastbares Wissen. Und jetzt kommt Phase 3: Aus Wissen wird Lehre – strukturiert, prüfbar, medienfähig.

Wenn Phase 1 und 2 gut gemacht sind, liegen vor Ihnen keine „KI-Antworten“, sondern etwas sehr viel Wertvolleres: eine kuratierte, quellenbasierte Erkenntnismasse. Phase 3 ist der Moment, in dem Sie diese Masse nicht weiter „analysieren“, sondern didaktisch veredeln.

Hier kommen generative Modelle wie Gemini oder ChatGPT ins Spiel. Nicht als Wahrheitsorakel – sondern als Lehrredaktion: Sie helfen beim Strukturieren, Vereinfachen, Visualisieren, Prüfen und Verpacken. Der intellektuelle Anspruch bleibt akademisch. Der Output wird lehrbar.

3.1 Rollenklärung: Was generative KI hier darf – und was nicht

Generative KI ist in Phase 3 nicht der Bibliothekar, sondern der Drehbuchautor. Sie soll nicht „noch mehr recherchieren“, sondern vorhandenes Material in lernwirksame Formen gießen.

Der Kernkonflikt ist dabei simpel:
Phase 2 optimiert Faktentreue. Phase 3 optimiert Verständlichkeit.
Und diese Optimierungen stehen manchmal in Spannung. Gute Lehre ist nicht „maximale Dichte“, sondern maximale Anschlussfähigkeit – ohne in Trivialität abzustürzen.

Normativer Leitgedanke:
Generative KI darf formulieren und strukturieren. Sie darf nicht erfinden.
Alles, was wie ein Fakt klingt, muss aus Phase 2 stammen oder explizit als Hypothese markiert werden.

Die „Zwei-Text“-Regel

Text A: Der quellenbasierte Kern (aus NotebookLM).
Text B: Die didaktische Inszenierung (aus Gemini/ChatGPT).
Text B darf Text A nicht widersprechen – nur verständlicher, schöner, prüfbarer machen.

3.2 Der didaktische Workflow: Von Erkenntnis zu Lerneinheit

Phase 3 funktioniert am besten als klarer Dreischritt. Nicht, weil Sie gerne Prozesse lieben – sondern weil Studierende sonst verlieren.

3.2.1 Schritt 1: Lernziel-Architektur (Constructive Alignment)

Sie starten nicht mit Folien. Sie starten mit Lernzielen.
Denn jede „schöne Erklärung“ ist wertlos, wenn am Ende unklar ist, was Studierende können sollen.

Prompt (Lernziel-Design): > „Du bist Hochschuldidaktiker:in. Erstelle aus dem folgenden Inhalt 4–6 Lernziele im Stil von Constructive Alignment.
> Für jedes Lernziel: (1) Verb nach Bloom, (2) Nachweisform (Prüfungsleistung), (3) typische Fehlvorstellung von Studierenden.“

3.2.2 Schritt 2: Lehrlogik und Dramaturgie (Hook → Substance → Practice → Check)

Dann bauen Sie eine Einheit wie eine gute Argumentation: Einstieg, Kern, Transfer, Kontrolle.
Nicht als Bullet-Point-Friedhof, sondern als didaktischer Spannungsbogen.

Prompt (Einheitenstruktur 45–90 Minuten): > „Erstelle eine Lehreinheit (45 Minuten) auf Basis des Materials.
> Struktur: Hook (Problem/Provokation), Theorie (Kernkonzepte), Beispiel (Fall), Anwendung (Mini-Übung), Lernkontrolle (Quiz).
> Gib zu jedem Abschnitt: Zeitbudget, Lehrform (Impuls, Diskussion, Gruppenarbeit), erwartetes Output-Artefakt.“

3.2.3 Schritt 3: Medien- und Interaktionsproduktion (Slide, H5P, Skript, Video)

Erst jetzt kommt die Produktion: Folien, Aufgaben, Quiz, Sprechtext.
Hier spielt generative KI ihre Stärke aus: Sie ist eine Formatmaschine.

Prompt (Medienpaket): > „Erzeuge ein konsistentes Medienpaket:
> (1) Folienskript mit 8–10 Folien (Titel + Kernaussage + Visual-Idee),
> (2) Handout (1 Seite) mit Merksätzen und Mini-Glossar,
> (3) 5 Prüfungsfragen (MC + Begründung),
> (4) 1 Fallaufgabe mit Lösungsskizze.“

Phase 3 bedeutet nicht mehr Wissen, sondern besseres Lernen: von Erkenntnis zu Lernziel, von Lernziel zu Lehrlogik, von Lehrlogik zu Medien.

3.3 Didaktische Blaupausen: Vier typische Lehrprodukte

3.3.1 Blaupause 1: Die Vorlesungsminiatur (10-Minuten-Impuls)

Ideal als Einstieg oder als „Concept Primer“ vor einem Seminartext.

Prompt: „Schreibe einen 10-minütigen Vorlesungsimpuls.
Ton: präzise, akademisch, aber zugänglich.
Baue ein Beispiel aus der Praxis ein und beende mit einer Leitfrage für Diskussion.“

3.3.2 Blaupause 2: Die Seminar-Debatte (Positionen + Evidenz)

Studierende verwechseln gerne Meinung mit Argument. Phase 3 macht daraus eine Übung mit Norm.

Prompt: „Erstelle ein Debatten-Set:
1 Pro-Position, 1 Contra-Position, 1 Mittelposition.
Jede Position: 3 Argumente + 1 typische Schwachstelle.
Danach: 5 Cross-Examination-Fragen für die Gegenseite.“

3.3.3 Blaupause 3: Der Prüfungsbaukasten (Bloom-gesteuert)

Die Qualität einer Prüfung ist die Qualität Ihrer Taxonomie.

Prompt: „Erstelle 9 Prüfungsitems:
3 Recall/Verstehen, 3 Anwenden/Analysieren, 3 Evaluieren/Gestalten.
Für jedes Item: Erwartungshorizont + häufige Fehler + kurze Feedbackformulierung.“

3.3.4 Blaupause 4: H5P/Interaktive Formate (ohne Magie, mit Mechanik)

Interaktivität ist kein Selbstzweck. Sie ist ein Test, ob Denken stattfindet.

Prompt: „Erzeuge Material für ein interaktives Lernmodul:
- 1 Lückentext (5 Lücken)
- 1 Drag-and-Drop-Zuordnung (Begriff → Definition)
- 1 Single-Choice-Quiz (3 Fragen)
Bitte so formulieren, dass ich es direkt in ein E-Learning-Tool übertragen kann.“

Der Lehrredakteur-Modus

Die beste Rolle für Gemini/ChatGPT ist nicht „Dozent:in“, sondern „Lehrredaktion“:
Strukturieren, glätten, zuspitzen, visualisieren — ohne neue Fakten zu erfinden.

3.4 Qualitätskontrolle: Der akademische Sicherheitsgurt

Phase 3 ist produktiv – und gefährlich. Nicht, weil die Modelle „böse“ sind, sondern weil sie stilistisch überzeugend sind. Und Überzeugung ist kein Wahrheitskriterium.

3.4.1 Minimal-Checkliste für Lehrende

Faktenanker: Jede Zahl, jede Definition, jede empirische Behauptung muss aus Phase 2 stammen oder als unsicher markiert sein.
Begriffsdisziplin: Begriffe werden konsistent verwendet (keine stillen Bedeutungswechsel).
Didaktische Passung: Beispiele passen zum Niveau (Bachelor ≠ Master ≠ Weiterbildung).
Prüfungslogik: Aufgaben prüfen Lernziele – nicht Texttreue.
Transparenz: KI-Nutzung wird im Kurs kommuniziert (Regeln, Grenzen, Erwartung an Eigenleistung).

Deep Dive: „Halluzination“ in Phase 3 ist oft kein Faktfehler, sondern ein Strukturfehler

Viele Probleme entstehen nicht durch falsche Fakten, sondern durch didaktische Verführung: - ein Beispiel, das „nett“ klingt, aber das Konzept falsch abbildet - eine Analogie, die Nebenannahmen einführt - eine Vereinfachung, die den Kern entstellt

Die Gegenmaßnahme ist banal und effektiv:
Beispiel/Analogie immer rückübersetzen lassen.
„Welche exakten Elemente des Konzepts repräsentiert diese Analogie – und was bleibt weg?“

Didaktische Qualität entsteht nicht durch schöne Sprache, sondern durch prüfbare Passung: Lernziel ↔︎ Inhalt ↔︎ Aufgabe ↔︎ Feedback.

3.5 Hands-On: Drei „Master-Prompts“ für die Praxis

3.5.1 Master-Prompt 1: Von NotebookLM-Report zu Lehrveranstaltung

„Du erhältst gleich einen Bericht (Inhalt).
Aufgabe: Erzeuge daraus eine 60-minütige Lehreinheit für Bachelorstudierende.
Struktur: Hook, Theorie, Beispiel, Anwendung, Lernkontrolle.
Gib: Lernziele (Bloom), Zeitplanung, Visual-Ideen, 3 Interaktionen (kurz), 1 Quiz (5 Fragen).
Schreibe in akademischem Deutsch, präzise und motivierend.“

3.5.2 Master-Prompt 2: Von Konzept zu Fallstudie

„Erstelle eine Fallstudie mit:
Kontext (Unternehmen/Organisation), Datenlage, Konflikt, Aufgabenstellung (3 Fragen), Lösungsskizze.
Schwierigkeitsgrad: mittel.
Ziel: Anwendung des Konzepts auf eine realistische Entscheidungssituation.“

3.5.3 Master-Prompt 3: Von Inhalt zu Video-Skript

„Schreibe ein 90-Sekunden-Video-Skript.
Anforderungen: kurze Sätze, sprechbar, klare Übergänge, 1 Metapher, 1 Mini-Beispiel, 1 Abschlussfrage.
Gliedere nach Szenen (Intro, Kern, Beispiel, Abschluss).“

Was ist die zentrale Funktion von Gemini/ChatGPT in Phase 3?

Neue wissenschaftliche Fakten recherchieren und belegen.
Den Inhalt aus Phase 2 ersetzen, weil er zu „trocken“ ist.
Quellenbasiertes Wissen in didaktische Strukturen, Medienformate und prüfbare Lernaktivitäten transformieren.

Phase 3 macht aus Wissen Lehre. Nicht durch mehr Wahrheit, sondern durch bessere Form.